基于图像识别的市政工程施工监管方法及系统技术方案

本发明专利技术公开了基于图像识别的市政工程施工监管方法及系统，通过利用CNN卷积神经网络和Transformer模型对所述初始多视角图像进行特征提取与语义分割，构建风险预测模型，基于改进IPSO粒子群算法优化所述风险预测模型的超参数，利用目标风险预测模型分析所述分割多视角图像中施工行为与环境变化的关联性，输出施工风险等级指数；引入强化学习优化预警策略动态调整风险阈值，若所述施工风险等级指数大于风险阈值，则触发预警。有效提升图像识别效率和准确率，减少施工误报和漏报情况。

【技术实现步骤摘要】

本专利技术涉及图像识别，特别是基于图像识别的市政工程施工监管方法及系统。

技术介绍

1、传统市政工程仍依赖人工巡检与固定摄像头监控，人工巡检存在效率低、主观性强、覆盖范围有限等问题，难以对施工全过程进行实时、全面的监管；固定摄像头视角单一，无法捕捉复杂施工场景下的多维度信息，且图像识别效率和准确率较低导致无法快速识别潜在风险，使得工程施工监管效率不高。

技术实现思路

1、本专利技术的目的是为了解决上述问题，设计了基于图像识别的市政工程施工监管方法及系统。

2、实现上述目的本专利技术的技术方案为，进一步，在上述基于图像识别的市政工程施工监管方法中，该市政工程施工监管方法包括以下步骤：

3、通过传感器阵列采集施工区域的多视角图像，对所述多视角图像进行图像预处理，得到初始多视角图像；

4、利用cnn卷积神经网络和transformer模型对所述初始多视角图像进行特征提取与语义分割，得到分割多视角图像；

5、基于graphconv+lstm混合网络构建风险预测模型，基于本文档来自技高网...

【技术保护点】

1.基于图像识别的市政工程施工监管方法，其特征在于，所述市政工程施工监管方法包括以下步骤：

2.如权利要求1所述的基于图像识别的市政工程施工监管方法，其特征在于，所述通过传感器阵列采集施工区域的多视角图像，对所述多视角图像进行图像预处理，得到初始多视角图像，包括：

3.如权利要求1所述的基于图像识别的市政工程施工监管方法，其特征在于，所述利用CNN卷积神经网络和Transformer模型对所述初始多视角图像进行特征提取与语义分割，得到分割多视角图像，包括：

4.如权利要求3所述的基于图像识别的市政工程施工监管方法，其特征在于，所述利用CNN卷积神经网络...

【技术特征摘要】

1.基于图像识别的市政工程施工监管方法，其特征在于，所述市政工程施工监管方法包括以下步骤：

2.如权利要求1所述的基于图像识别的市政工程施工监管方法，其特征在于，所述通过传感器阵列采集施工区域的多视角图像，对所述多视角图像进行图像预处理，得到初始多视角图像，包括：

3.如权利要求1所述的基于图像识别的市政工程施工监管方法，其特征在于，所述利用cnn卷积神经网络和transformer模型对所述初始多视角图像进行特征提取与语义分割，得到分割多视角图像，包括：

4.如权利要求3所述的基于图像识别的市政工程施工监管方法，其特征在于，所述利用cnn卷积神经网络和transformer模型对所述初始多视角图像进行特征提取与语义分割，得到分割多视角图像，还包括：

5.如权利要求1所述的基于图像识别的市政工程施工监管方法，其特征在于，所述基于graphconv+lstm混合网络构建风险预测模型，基于改进ipso粒子...

【专利技术属性】
技术研发人员：孙广辉，单希斌，孟赫，
申请(专利权)人：青岛旻睿信合建筑工程有限公司，
类型：发明
国别省市：